Deteksi Plat Nomor Kendaraan dengan Hough Transform dan Harris Corner Menggunakan Akuisisi Melalui Raspberry Pi

Sari

Dalam suatu tempat, seperti di mall, tempat parkir kendaraan dapat terdiri dari beberapa lantai di basement atau di bagian atas bangunan. Di samping itu juga banyak sektor yang berubah fungsi menjadi tempat parkir. Dalam situasi ini, diperlukan sistem monitoring kendaraan yang fleksibel. Pada penelitian ini dibuat sistem yang dapat mengenali jenis kendaraan berdasarkan warna dasar pada plat nomor apakah kendaraan tersebut merupakan kendaraan pribadi, umum, atau pemerintah. Data berupa citra diambil dengan menggunakan webcam melalui akuisisi Raspberry Pi. Sistem dirancang dengan menggunakan deteksi tepi dan morfologi serta menggunakan metode Hough Transform untuk memperbaiki garis tepi dan Harris Corner untuk mendeteksi sudut pada citra. Selanjutnya dilakukan proses cropping plat. Deteksi warna dasar plat nomor dilakukan dengan menggunakan ruang warna YcbC. Selain itu, dilakukan perhitungan waktu proses akuisisi dan waktu proses keseluruhan ketika Raspberry Pi dan laptop melakukan proses deteksi. Berdasarkan hasil pengujian, sistem mendapatkan hasil terbaik sebesar 100% saat deteksi plat nomor kendaaraan pribadi dan hasil terburuk sebesar 70% saat deteksi plat nomor kendaraan umum. Rata-rata akurasi yang didapatkan pada sistem ini sebesar 88,9%. Akurasi tersebut diperoleh dengan 90 data uji. Rata-rata waktu komputasi adalah 0,99 detik, yang artinya proses pendeteksian dilakukan cukup cepat.

In some place, such as in a mall, a vehicle parking lot can consist of several floors in the basement or at the top of a building. In addition, many sectors have also been turned into parking lots. In this situation, a flexible vehicle monitoring system is needed to detect the type of vehicle ownership through the base color on the license plate connected to the Raspberry Pi, which is expected to be able to mitigate this problem. This research develop a system that can recognize the type of vehicle based on the color of the plate number whether the vehicle is a private, public, or government vehicle. The data consists of images taken using a webcam through the acquisition of Raspberry Pi. The system was designed by using edge detection, morphology, the Hough Transform method to correct the edge, and Harris Corner to detect angles in the image, after which the plate cropping process is carried out. The license plate base color is detected using the YCbCr color space, and the system will also measure the quality of the network between the Raspberry Pi and the laptop used during the detection process. The system gets the best results at 100% when detecting private vehicle license plates and the worst results at 70% when detecting public vehicle license plates. The average accuracy obtained in this system is 88,9% that used 90 test data. The average computation time is 0,99 seconds, which means that the detection process is quite fast.